为解决目前可变车道多为手动定时控制、感应控制而引起的可变车道利用率不高以及控制精度不高的问题,首先对影响可变车道属性的因素进行分析,然后以实时的交通流量数据为基础,提出了一种基于动态交通流量的可变车道自适应控制方法,实时地改变可变车道的属性,充分利用可变车道,提高信号交叉口的通行能力。PARAMICS仿真结果表明,该方法能够提高可变车道的利用率,减小信号交叉口的交通延误。

MATLAB车道线检测。可以把车道线给标定出来，霍夫曼变换方法，显示过程图。如果你是新手学习，请多点耐心。后续可以二次开发成车道线偏离预警。

matlab精度检验代码VPGNet使用情况和车道检测 王瑞@清华大学 该项目实现了车道检测算法，其中的神经网络模型来自。 还检查一下。 实时车道检测效果 高清地图的车道检测。 从左到右：神经网络的输出，鸟瞰图中的车道检测（红线标记），驾驶员视角中的车道检测（红线标记）。 神经网络的输出 概述 该项目修改了VPGNet的实现，重点是车道检测。 它还利用了caltech车道检测中的反透视图（IPM）并对其进行了修改。 该项目旨在为VPGNet的使用开发更清晰的文档，为车道检测提供一个干净的界面。 希望通过本文档，您将能够真正运行VPGNet，而不会遇到太多麻烦。 它还实现了原始存储库中未提供的某些后处理技术。 请查看上面引用的原始回购，并引用其论文对您的研究是否有帮助。 请在“用法”部分中查看它的运行情况。 除了整个工作流程之外，它还提供独立的图片后处理模块。 您可能会在这里发现一些有用的实现，包括IPM和通道群集。 安装 整个存储库已在Ubuntu 16.04上进行了测试。 对于其他操作系统，您可能需要其他信息或实施自己的修改才能使其正常运行。 快速通知，一些主要依赖项包括python

VOC2007_车道线_增加标注类别.zip

opencv 基于改进的霍夫变换车道线检测代码 及相关文献

车道线检测 该项目构建了一个计算机视觉（CV）应用程序，该应用程序可以从道路的图像和视频中检测车道线。 该存储库受到Udacity无人驾驶汽车工程师Nanodegree计划的Finding Lane Lines项目的启发。 该程序已使用了此存储库中使用的测试图像和视频。 <-这是一项正在进行中的工作---> 用于检测图像中的车道线的主要步骤是： 颜色转换为灰色 坎尼边缘检测 使用高斯模糊进行图像过滤 检测感兴趣区域（ROI） 线路检测 霍夫变换

LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统. LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统. LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统.

提出了一种高速公路车道线检测与跟踪算法：初始检测时，首先估计消失点位置；再将图像特征点向消失点投影，通过检测投影直方图波峰来识别车道线；然后利用车道宽度和车道线强度特征滤除与车道线平行的伪车道线；跟踪时，采用卡尔曼滤波缩小搜索区域。试验结果表明：该算法抗干扰能力强，跟踪算法运行速度大约为50 Hz。

车道偏离报警系统（LDWS）以基本的交通法规为基础，其主要目标是帮助驾驶员保持车辆在道路的车道内行驶。因此，当车辆偏离车道时，系统将发出警告提醒驾驶员注意。

针对以元胞自动机模型模拟单车道环岛交通行为推断多车道环岛交通流特性的局限性，通过分析双车道环岛上车辆在自由流下的期望行驶路线、在非自由流下的期望换道临界位置和极限位置，描述双车道环岛上车辆的换道决策，建立双车道环岛的元胞自动机模型。数值模拟分析结果表明：环岛总延误时间与环岛限速、车辆驾驶员熟练程度以及车辆左转概率有关，同时也受环岛周长的影响；在其他因素不变的情况下，若环岛周长越小、车辆限速越大、车辆左转概率越小以及驾驶员熟练程度越高，则环岛总延误时间越小。